課程描述INTRODUCTION
· 高層管理者· 中層領(lǐng)導(dǎo)· 其他人員
培訓(xùn)講師：紀賀元
課程價格：￥元/人
培訓(xùn)天數(shù)：2天
日程安排SCHEDULE
課程大綱Syllabus
SPSS數(shù)據(jù)培訓(xùn)
【培訓(xùn)對象】
本課程的對象為企業(yè)營銷、財務(wù)、人事、生產(chǎn)研發(fā)等方面的各種層次的人員，為了方便學(xué)員理解本課程，授課講師已經(jīng)將SPSS中比較晦澀和學(xué)術(shù)化的部分剔除，即使學(xué)員沒有正規(guī)的統(tǒng)計分析基礎(chǔ)，也能夠較好較快地學(xué)習(xí)并應(yīng)用SPSS。
【培訓(xùn)收益】
（1）掌握統(tǒng)計分析的基本概念、術(shù)語、分析流程
（2）全面系統(tǒng)掌握SPSS
（3）提升數(shù)據(jù)分析和挖掘能力
1.統(tǒng)計分析基礎(chǔ)
1.1統(tǒng)計分析基本概念
包括假設(shè)檢驗、平均值、標準差、峰度、偏度、中位數(shù)、眾數(shù)、R2、曲線擬合等。
1.2SPSS基本操作
（1）從EXCEL中導(dǎo)入數(shù)據(jù)（突破EXCEL 100萬數(shù)據(jù)的限制）
（2）給數(shù)據(jù)添加值標簽
（3）修改數(shù)據(jù)數(shù)值值（數(shù)據(jù)、分類、有序等）
2.分析報表和圖形
可以根據(jù)自己的分析需要，使用SPSS輸出自己的專業(yè)數(shù)據(jù)報表。
2.1報表
（1）按照觀測量概述
（2）按行概述
（3）按列概述
2.2分析圖形
（1）多維度圖形的繪制
（2）強大的面板圖
（3）圖形分析的效果優(yōu)化
3.數(shù)據(jù)的描述統(tǒng)計
描述統(tǒng)計可以對數(shù)據(jù)規(guī)律有著很好的把握。
（1）頻率表
快速了解數(shù)據(jù)的結(jié)構(gòu)分布以及與標準正態(tài)圖的對比情況。
（2）分組求均值
從平均值等的角度考慮分組數(shù)據(jù)之間的差異。
（3）探索
快速探索數(shù)據(jù)的規(guī)律，包括著名的莖葉圖。
（4）交叉表
專業(yè)版的EXCEL數(shù)據(jù)透視表，在展示數(shù)據(jù)的同時考慮數(shù)據(jù)之間的關(guān)系。
4.數(shù)據(jù)之間有關(guān)系嗎？
從數(shù)據(jù)樣本的角度考察數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系：
（1）獨立樣本T檢驗
數(shù)據(jù)之間有關(guān)聯(lián)嗎？關(guān)聯(lián)度如何？
（2）配對樣本T檢驗
用于分析成對數(shù)據(jù)的前后的績效差異。
（3）單因素方差分析
使用頻率超高的分析方法。
（4）相關(guān)分析
簡單高效使用廣泛的數(shù)據(jù)間關(guān)系分析方法。
5.離散型因變量的回歸
Logistic回歸是研究離散型因變量回歸的重要手段，例如客戶是否來銀行存款、客戶是否會欠款、客戶喜歡什么品牌、產(chǎn)品的質(zhì)量情況等等，都可以用Logistic回歸進行分析。
5.1二值Logistic回歸
針對客戶是否購買（”yes” or “no”）、股價是否上漲（”yes” or “no”）這樣的問題進行分析。
5.2名義值的Logistic回歸
針對不同的選擇的分析，例如上海的大學(xué)畢業(yè)生去哪個國家留學(xué)：“*”、“歐洲”、“澳洲”這樣的選擇的問題，進行分析。
5.3有序類的Logistic回歸
針對有序的選擇的分析，例如汽車尾氣標準“歐III”、“歐IV”、“歐V”這樣的選擇的分析。
6.離散型自變量的回歸
適合于自變量是離散變量的回歸分析，例如分析消費者對汽車顏色的偏好（1：黑色，2：紅色，3：白色，4：灰色，5：藍色）與購車者性別（1：男，2：女）以及職業(yè)（1：學(xué)生，2：公務(wù)員，3：公司職員，4自由職業(yè)者，5：其他職業(yè)）等之間的關(guān)系。
（1）連續(xù)變量離散化的隨意性缺陷
（2）模型的選擇及結(jié)果分析
7.直銷模塊-多種強大的分析小工具的組合
直銷模塊是IBM收購SPSS后推出的新的商務(wù)分析模塊：
（1）客戶評級工具（RFM模型）
根據(jù)消費者的最近消費日期、消費頻次、總消費金額來給消費者評級并甄選出*客戶。
（2）生成潛在客戶概要文件
根據(jù)市場活動的結(jié)果，生成客戶的概要文件。在將來的產(chǎn)品銷售中，可以根據(jù)該文件，決定銷售對象，以提高成功率。
（3）選擇最有可能購買的消費者工具
購買傾向分析通過建立模型來預(yù)測客戶購買產(chǎn)品的可能性。
8.分類
（1）聚類
針對多種指標下的分類，例如銀行客戶的分類、旅游景點的分類、財務(wù)數(shù)據(jù)的分類等等。
包括二步聚類、K-均值聚類和系統(tǒng)聚類等，三種聚類的應(yīng)用場景不盡相同。
（2）最近鄰元素分析
聚類方法在商業(yè)分析中的進一步應(yīng)用。
（3）判別分析
根據(jù)消費者的特征進行判別，看他屬于哪一分類？
9.商業(yè)預(yù)測
9.1一元和多元線性回歸
（1）什么是數(shù)據(jù)擬合？
（2）回歸方法的選擇
（3）回歸模型的結(jié)論解釋
9.2時間序列分析
（1）移動平均分析
包括一次、二次和三次移動平均
（2）指數(shù)平滑分析
包括一次、二次和三次指數(shù)平滑
（3）ARIMA分析
ARIMA分析的內(nèi)涵以及參數(shù)的調(diào)優(yōu)
（4）季節(jié)分解
周期性數(shù)據(jù)的近乎完美的分解
10. 主成分分析
對于銷售、財務(wù)、人事、綜合競爭力等多指標的數(shù)據(jù)進行降維處理，構(gòu)建評估分析模型。
（1）數(shù)據(jù)收集
（2）模型構(gòu)建
（3）結(jié)果分析
（4）模型的優(yōu)化
SPSS數(shù)據(jù)培訓(xùn)
轉(zhuǎn)載：http://www.jkyingpanluxiangji.com/gkk_detail/285606.html
已開課時間Have start time
- 紀賀元